1、Caffe安装与配置
关于Caffe-windows配置与安装网上有很多教程，我参考这篇博客配置成功
配置过程中可能会有很多错误，其实是由于文件编码问题，百度即可解决，注意要按照步骤进行
2、（可选）运行一下Mnist手写识别，这样你会更清楚整个训练过程
3、参考Ubuntu版人脸表情识别，这个简介很详细，但是训练实在Intel云上跑的，我去注册发现好像已经不行了，建议大家去看看
这里要注意数据集的转换，我是在windows上生成LMDB数据集，我也生成LEVELDB数据集，过程与ubuntu版很类似，只需要调用caffe/buile/release下convert_imageset.exe即可生成，注意转换可能会提示Map Size溢出达到上限，具体参考我的博客
4、标签文件生成，由于我对.net非常熟练，所以标签生成我是用C#写的,python其实也是很简单，这里我贴出标签生成的C#代码
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;namespace 图片转标签文件
{
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
} private void button1_Click(object sender, EventArgs e)
{
string root = @"D:\Caffe\FaceExpression\ImageData";
string test = "test";
string train = "train";
string val = "val";
//生成train.txt
using (StreamWriter sw = new StreamWriter(root + "\\" + train + ".txt",true,Encoding.GetEncoding("GB2312")))
{
for (int i = 0; i < 7; i++)
{
DirectoryInfo di = new DirectoryInfo(root + "\\" + train + "\\" + i);
foreach (var fi in di.GetFiles())
{
sw.WriteLine(i+"\\"+fi.Name+" "+i);
}
}
} //test.txt
using (StreamWriter sw = new StreamWriter(root + "\\" + test + ".txt", true, Encoding.GetEncoding("GB2312")))
{
for (int i = 0; i < 7; i++)
{
DirectoryInfo di = new DirectoryInfo(root + "\\" + test + "\\" + i);
foreach (var fi in di.GetFiles())
{
sw.WriteLine(i + "\\" + fi.Name + " " + i);
}
}
}
//val.txt
using (StreamWriter sw = new StreamWriter(root + "\\" + val + ".txt", true, Encoding.GetEncoding("GB2312")))
{
for (int i = 0; i < 7; i++)
{
DirectoryInfo di = new DirectoryInfo(root + "\\" + val + "\\" + i);
foreach (var fi in di.GetFiles())
{
sw.WriteLine(i + "\\" + fi.Name + " " + i);
}
}
} }
}
}
5、网络配置文件和solver文件已经给出来了，请自行去下载
6、训练模型，caffe/buile/release下有个训练的exe，写个bat文件即可运行，这里最纠结的是bat路径问题，比如linux下../../是本目录上一级目录，但是windows下式../才是同一个意思，配置文件写的20万迭代完毕，20万我用的i5处理器，比较烂而且是很久的CPU，跑了十几个小时才跑了一个模型，准确率不到20%
好了总结到此结束，我先大概记录下过程，后面有时间给出详细的训练全过程
